Uma correlação é uma medida estatística da relação entre duas variáveis. As possíveis correlações variam de +1 a -1. Uma correlação zero indica que não há relacionamento entre as variáveis.
Uma correlação de -1 indica uma correlação negativa perfeita, o que significa que conforme uma variável sobe, a outra desce. Uma correlação de +1 indica uma correlação positiva perfeita, o que significa que ambas as variáveis se movem juntas na mesma direção.
As correlações desempenham um papel importante na pesquisa em psicologia. Os estudos correlacionais são bastante comuns em psicologia, especialmente porque algumas coisas são impossíveis de recriar ou pesquisar em um ambiente de laboratório.
Em vez de realizar um experimento, os pesquisadores podem coletar dados dos participantes para examinar as relações que podem existir entre as diferentes variáveis. A partir dos dados e análises que coletam, os pesquisadores podem então fazer inferências e previsões sobre a natureza das relações entre as diferentes variáveis.
O coeficiente de correlação
A força de correlação é medida de -1,00 a +1,00. O coeficiente de correlação, frequentemente expresso como r, indica uma medida da direção e força de uma relação entre duas variáveis. Quando o r valor está mais próximo de +1 ou -1, indica que há uma relação linear mais forte entre as duas variáveis.
Uma correlação de -0,97 é uma correlação negativa forte, enquanto uma correlação de 0,10 seria uma correlação positiva fraca. Uma correlação de +0,10 é mais fraca do que -0,74 e uma correlação de -0,98 é mais forte do que +0,79.
Quando você estiver pensando em correlação, lembre-se desta regra útil: quanto mais próxima de 0, mais fraca ela é, enquanto quanto mais próxima de +/- 1, mais forte ela é.
Scattergrams
Os diagramas de dispersão (também chamados de gráficos de dispersão, gráficos de dispersão ou diagramas de dispersão) são usados para plotar variáveis em um gráfico (veja o exemplo acima) para observar as associações ou relacionamentos entre eles. O eixo horizontal representa uma variável e o eixo vertical representa a outra.
Cada ponto no gráfico é uma medida diferente. A partir dessas medições, uma linha de tendência pode ser calculada. O coeficiente de correlação é a inclinação dessa linha. Quando a correlação é fraca (r está próximo de zero), a linha é difícil de distinguir. Quando a correlação é forte (r está próximo de 1), a linha será mais aparente.
Zero Correlations
Uma correlação zero sugere que a estatística de correlação não indicou uma relação entre as duas variáveis. É importante observar que isso não significa que não haja relacionamento algum; simplesmente significa que não existe uma relação linear. Uma correlação zero é freqüentemente indicada usando a abreviatura r = 0.
Entendendo Correlações
As correlações podem ser confusas e muitas pessoas equiparam o positivo com o forte e o negativo com o fraco. Uma relação entre duas variáveis pode ser negativa, mas isso não significa que a relação não seja forte.
Uma correlação positiva fraca indicaria que, embora as duas variáveis tendam a aumentar em resposta uma à outra, a relação não é muito forte. Uma forte correlação negativa, por outro lado, indicaria uma forte conexão entre as duas variáveis, mas aquela sobe sempre que a outra diminui.
Correlação não é causa
Claro, correlação não é igual a causalidade. Só porque duas variáveis têm uma relação, não significa que mudanças em uma variável causem mudanças na outra. As correlações nos dizem que existe uma relação entre as variáveis, mas isso não significa necessariamente que uma variável faz com que a outra mude.
Um exemplo frequentemente citado é a correlação entre o consumo de sorvete e as taxas de homicídio. Estudos descobriram uma correlação entre o aumento das vendas de sorvete e o aumento dos homicídios. No entanto, comer sorvete não leva você a cometer assassinato. Em vez disso, existe uma terceira variável: calor. Ambas as variáveis aumentam durante o verão.
Correlação Ilusória
Uma correlação ilusória é a percepção de uma relação entre duas variáveis quando apenas uma relação secundária - ou nenhuma - realmente existe. Uma correlação ilusória nem sempre significa inferir causalidade; também pode significar inferir uma relação entre duas variáveis quando uma não existe.
Por exemplo, as pessoas às vezes presumem que, como dois eventos ocorreram juntos em um ponto no passado, um evento deve ser a causa do outro. Essas correlações ilusórias podem ocorrer tanto em investigações científicas quanto em situações do mundo real.
Os estereótipos são um bom exemplo de correlações ilusórias. A pesquisa mostrou que as pessoas tendem a presumir que certos grupos e características ocorrem juntos e freqüentemente superestimam a força da associação entre as duas variáveis.
Por exemplo, vamos supor que um homem tenha a crença equivocada de que todas as pessoas de cidades pequenas são extremamente gentis. Quando o indivíduo encontra uma pessoa muito gentil, sua suposição imediata pode ser que a pessoa seja de uma cidade pequena, apesar do fato de que a gentileza não está relacionada à população da cidade.